《表4 缺陷分类结果:基于PCA和粒子群优化算法的焊点缺陷识别》
使用融合后的特征值作为PSO-BP神经网络的输入,输出为焊点的分类结果。BP神经网络输入节点数为5,激励函数选用sigmoid函数,为提高训练效率,设置输出层节点数为2,正常、多锡、少锡、漏焊四种不同类型的焊点输出分别用[0,0]、[0,1]、[1,0]、[1,1]表示。将提取出来的100组特征向量逐一添加到BP神经网络分类器中进行分类训练,设置最大迭代次数为1 000,训练终止误差为0.001。如表4所示为测试的结果,实验结果表明,本研究方法可以比较准确地检测出PCB焊点缺陷,准确率达到了93.22%。
图表编号 | XD00164294200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 廖坤锐、陈卫兵、杨雪 |
绘制单位 | 湖南工业大学计算机学院、湖南工业大学计算机学院、湖南工业大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |